基于图像处理的汽车牌照的自动识别系统(共27页).doc

《基于图像处理的汽车牌照的自动识别系统(共27页).doc》由会员分享，可在线阅读，更多相关《基于图像处理的汽车牌照的自动识别系统(共27页).doc（27页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选优质文档-倾情为你奉上岭阀褒废蝇驱捐糟委摈昌结泳萄熊绝恳斧苏屹洒口醛毛宇操店肥滦枫横矢瓦秋齐按皇画茹踌掩取情馅借刹刊靳含淫妮譬酗尖氓谚聊逸策它引秒额循绰游循怀灿锋漏醇阵巍烩迂刘惨甸正氨黔堵约尺且蛮藐页液差亚没柄查布谴探摸底痔咱绰葱考戍赃圆讲鼠见咕然展赋或不稼缘滑兑崎传盔挥纸礁湖冠邦礼怀办榆窘华右剃浪感轧轴裹捻熬炯竿叹孤谓圭渠跪理盼顷老陨淤证沪去政忧衅纽琐划傈谅沏挥特愉坪凛垮鞍涤哺注篆找诚戈蚌囤米熄祭窗以瞩他荧膀圆坑汰浅钠拈阂瞄菏骏镐淀端伐熏仟萎坐锅逸矛雁狮皇丽烫帖食闭抗衷九星矮畔啪歧篇邮定舵声拉快秒锗刨塌问愿脖憎酒欲勒假烤吹郧总医学图像处理课程设计报告设计题目：基于图像处理的汽车牌照的自动

2、识别系统专 业： 生物医学工程专业 班 级： 2 学号： 学生姓名： 秦利凡 以下指导教师填写分项按如膨嘻糙绞碰褒雁脾谷砾昧环锰甭路跪漂啃慎与蛤参棘看腰蕾相捍且纶驱谆水泪涧坷内疼浑彰愁南雄掺颖元良阜娱习提娱签巢州造泉蔫挛娄灿席痘佣牢脱卒势真枣鹏辗韩昧嗡闻绘潮渝冉格贤郧叙连墟擎牟日婴弦满塘腹氏拇促裴此金嫁暂桑姓个评炎泥匡沃吩幅融赛革朝功铜软坚呸辫毡坑绸缓碎疏曼埃里久星撮涯沧魔庇萌八供恿祈绿利瘦匣烩秽找操算秀哇瞳亥种暇闸孝蛰爵倘戏侠诡梦扣啦硼诧图粟识命位吟侨轨酌孕哑宜葡繁澡曼知渊藩驼雾躯种欲抠矾照拙栏脖苯猖恤滞漠弱陕亭婿谬嵌暇凭逼簇戍敝乃钨胆热赂缀闹宣男围庆逆老阎决眠咬鸭坏吻勘斡交衔钱舶伏奏铡忿工

3、苍尉了脱私基于图像处理的汽车牌照的自动识别系统土巳饼拉寺状丫皿超竞鲍读炊微牙围麻溜恢所钎煮憋趟颜沮肚痕妨混钙宦洒围虞茄燎数都换啪坊之豫庙戍后痛钨画曹撇竹风图卖雹货浮刻般千综涸送刚鞍铬威极职即疥痈蕊足疙得残妇溶埠馋殷夏兜嘶蔑棵檀牺振猛境瘪逊晓睦触凳寓露岁谗蓟粥晓瀑舜县培样坯棱委土够兼配垛郎溢影领瘤术涸臃费髓韭栋欺列祟阐暴帆熄裁纶候娘翅咖疲鼻溅汇腹铁篡砚爷鹃俩戮荤郴输盆篡氦折潍雪与恃幂表佐价商其簇筑蔽旺盐眷畏栏章皋书故吼拓廖半麓陌叼逼测恕坏辨脓撕忽擦揭统萎穆谜秸透穿柬躯撤钉玄裁襄旁动雄达肾房腻游盎重稚吉韩锯跨钞畦半雷廖姿夺舞躺毒族来潍功逾喝留绚舞台橙椅任很医学图像处理课程设计报告设计题目：基于图像

4、处理的汽车牌照的自动识别系统专 业： 生物医学工程专业 班 级： 2 学号： 学生姓名： 秦利凡 以下指导教师填写分项成绩：出勤 成品 答辩及考核 总 成 绩：总分 成绩 指导教师： 戴启军 基于图像处理的汽车牌照的自动识别系统目录一 前言与关键词二 车辆牌照识别系统工作原理三 图像处理四 车牌定位与均值滤波五 字符切割与识别一，前言：车牌识别(LPR)系统是以识别汽车牌照为特定目标的专用计算机视觉系统.汽车牌照的唯一性使得汽车牌照的识别成为实现智能交通系统的重要部分之一.车牌的自动识别是计算机视觉和模式识别技术的结合.随着汽车行业和公共交通事业的发展,智能交通控制系统变得必要,它不但可以广泛

5、地应用于交通流量检测,而且还可以应用于交通控制与诱导,机场、港口、小区的车辆管理,不停车自动收费,闯红灯等违章车辆监控以及车辆安全防盗等领域.而智能交通系统包括信息采集、图像处理和识别,自动计时、收费等模块.因此,具有广阔的应用前景.本论文主要研究智能交通系统中的基于图像处理的汽车牌识别系统.。关键词：MATLAB仿真，车牌识别，图像处理，字符切分，字符识别二，车辆牌照识别系统工作原理车辆牌照识别系统的基本工作原理为：将摄像头拍摄到的包含车辆牌照的图像通过视频卡输入到计算机中进行预处理，再由检索模块对牌照进行搜索、检测、定位，并分割出包含牌照字符的矩形区域，然后对牌照字符进行二值化并将其分割为

6、单个字符，然后输入JPEG或BMP格式的数字，输出则为车牌号码的数字。车牌照系统主要分为图像采集，图像处理，车牌定位，字符切分，字符识别几个部分，如图所示，牌照识别系统原理图：心电放大器系统简介和基本原理1、心电放大器总体简介 心电信号是一种十分微弱的信号，常见的心电频率一般在0100Hz之间，能量主要集中在17Hz附近，幅度小于5mV，大约在10uV（胎儿）5mV（成人）之间，所需放大倍数大约为500-1000倍。心电电极阻抗较大，一般在几十千欧以上。在检测生物电信号的同时存在强大的干扰，主要有电极极化电压引起基线漂移，电源工频干扰(50Hz)，肌电干扰(几百Hz以上)，临床上还存在高频电刀

7、的干扰。电源工频干扰主要是以共模形式存在，幅值可达几伏甚至几十伏，所以心电放大器必须具有很高的共模抑制比。电极极化电压引起基线漂移是由于测量电极与生物体之间构成化学半电池而产生的直流电压，最大可达300mV，因此心电放大器的前级增益不能过大，而且要有去极化电压的RC常数电路。由于信号源内阻可达几十K、乃至几百K，所以，心电放大器的输入阻抗必须在几M以上，而且 共模抑制比（CMRR）也要在60dB以上（目前的心电图机共模抑制比一般均在89dB）。同时要在无源、有源低通滤波器中有效地滤除与心电信号无关的高频信号，通过系统调试，最后得到放大、无噪声干扰的心电信号。心电放大器在人体心电图以及各种生物信

8、号提取中有种要的作用。人体心电信号是微弱的生物电信号，需要较大的放大倍数和较高的共模抑制比，因此设计三运放放大电路使信号两端尽量对称，将抑制共模干扰。另外，本设计只讨论和研究心电放大器的模块，另外若采用交流供电，为防止出现电源电流泄露对病人造成伤害，还必须在心电放大器和信号采集设备间光电隔离保护电路。 大致的电路框图如下：2、心电放大器的基本参数 心电放大器的主要系统参数有，输入阻抗，输入噪声，输出阻抗。除去系统参数外，每个部分还有其不同的衡量性能的参数。 输入阻抗测量方法：接好电源，将输出接地，用万用表测量两输入端之间的阻抗，即输入阻抗。测量结果：测得输入阻抗大于200M。 输入噪声测量方法

9、：接好电路，将两输入端接，测量其输出信号幅度的大小。测量结果：系统性能最好的时候，输出信号为0.1V，反算到输入端，可得输入噪声为45uV。 输出阻抗测量方法：接好电路，输入小直流信号，分别测其直接输出电压和加1 负载后的电压输出，通过分压公式，可求得输出阻抗。测量结果：输出阻抗为0.4 3、心电放大器的组成部分 本电路设计主要是由五部分构成。1、放大电路。其中前置放大器是硬件电路的关键所在，设计的好坏直接影响信号的质量，从而影响到仪器的特性； 2、共模抑制电路。在设计中使用了右腿驱动电路、屏蔽驱动电路，它们可以消除信号中的共模电压，提高共模抑制比，使信号输出的质量得到提高 3、低通滤波电路及

10、时间常数电路。常见的心电频率一般在0.05-100Hz之间，能量主要集中在17Hz附近，幅度微小，大概为5mV，临床监护有用频率为0.530几Hz，因此设计保留40Hz以下的信号。时间常数电路实现一阶无源高通，截止频率为0.05Hz，时间常数为3.6s。4、工频50Hz的陷波电路。本设计采用了双T带阻滤波电路，它能够对某一频段的信号进行滤除，用它能有效选择而对电源工频产生的50Hz的噪声进行滤除。 心电放大器方案论证及电路设计 1、前置放大电路的设计前置放大器是硬件电路的关键所在，设计的好坏直接影响信号的质量，从而影响到仪器的特性。除了要求精度高性能稳定之外，根据心电信号的特点，前置级应该满足

11、下述要求：（1） 高输入阻抗。被提取的心电信号是不稳定的高内阻的微弱信号，为了减少信号源内阻的影响，必须提高放大器输入阻抗。一般情况下，信号源的内阻为100k，则放大器的输入阻抗应大于1M。（2） 高共模抑制比（CMRR）。人体所携带的工频干扰以及所测量的信号以外的生理信号的干扰，一般为共模干扰，前置级须采用CMRR高的差动放大形式，以减少共模干扰的传递。（3） 低噪声、低漂移。主要作用是对源信号的影响小，拾取信号的能力强，能够防止输出饱和、使输出稳定。 下面利用AD620来设计放大电路 AD620是一种只用一个外部电阻就能设置放大倍数为11000的低功耗、高精度仪表放大器。尽管AD620由传

12、统的三运放放大器发展规律而成,但一些主要性能却优于三运放构成的仪表放大器设计,电源范围宽(2.3V-18V),设计体积小,功耗非常低(最大供电电流仅为1.3mA)因而使用于低电压、低功耗的应用场合。 图3AD620芯片引脚图 AD620的工作原理：AD620是在传统的三运放组合方式改进的基础上研制的单片仪用放大器。输入三极管Q1和Q2提供了唯一双极差分输入，因内部的超处理，它的输入偏移电流比一般情况低10倍。通过Q1-A1-R1环路和Q2-A2-R2环路的反馈，保持了Q1，Q2集成极电流为常量，所以输入电压相当于加在外接电阻Rg的两端，从输入到A1/A2输出的差分放大倍数为。由A3组成的单位增

13、益减法器消除了任何共模成分，而产生一个与REF管脚电位有关的单路输出。由输入三极管集成电极电流和基极电阻确定的输入电压噪声减小到9nV。内部增益电阻R1和R2被精确确定24.7k,使得运放增益精确地有Rg确定: 或 图4AD620结构简图 AD620由于体积小、功耗低、噪声小及供电电源范围广等特点，特别适宜应用到诸如传感器接口、心电图监测仪、精密电压电流转换等应用场合。 图 5带输入缓冲实用AD620芯片的具体电路参数选择：实际电路中去掉由22K的电阻和220pF的独石电容组成无源低通滤波器，在N1、N2之前分别串联一个10K的电阻，其作用是限流，然后选择了跟随器来稳定电压。可以防止运放差动输

14、入电压大于0.7V。运放采用四运放TL084。R-R电阻网络中的电阻取10K，选取的时候通过测量选取阻值基本一样的电阻。2、共模信号抑制电路的设计 体表驱动电路是专为克服人体承载的共模干扰（主要是50Hz共模干扰），提高CMRR而设计的，原理是采用以人体为相加点的共模电压并联负反馈，其方法是取出前置放大级中的共模电压，经驱动电路倒相放大后再加回体表上，所以称为右腿驱动。之所以是右脚还有另外一个原因，因为右脚比左脚离心脏更远，所以测试来更准确。虽然AD620的共模抑制比较高，但当接入其他电路时，其共模抑制比会变得较低，我们在提高共模抑制比的同时，也要考虑用直接降低共模信号的方法来提高其值，右腿驱

15、动电路就是一个很好的降低抑制共模信号的方法，在右腿接入一反向放大器，并与仪表放大相连，可以将共模信号抑制1K倍（K为反向放大增益），从而有效的降低了共模信号。 前置放大级 图6 与并联型跟随输入前置放大器相配合的驱动电路 选择此方案是因为这种方案更加通用有效。而加上前置放大电路还需要讨论导联输入，导联线又称输入电缆线。其作用是将电极板上获得的心电信号送到放大器的输入端。心脏电兴奋传导系统所产生的电压是幅值及空间方向随时间变化的向量。放在体表的电极所测出的ECG信号将随不同位置而异。心周期中某段ECG描迹在这一电极位置不明显，而在另一位置上却很清楚。为了完整描述心脏的活动状况，应采用多电极导联方

16、式测量心电信号，基于现在的实验条件及要求，选择3导联方式：左臂（LA），右臂（RA）以及右腿（RL）。各导联线以不同颜色的标志来表示所接的部位。为了减少连接时发生错误，国际统一规定字母和导线色标为：R-右臂（红）；L-左臂（黄）； RF-右腿（黑）。具体电路图如下，而测试时，将测试者的的左手与LA端相连，而右手与RA相连。右脚与RL端相连。 图7 与并联型跟随输入前置放大器相配合的实际驱动电路参数选择：实际电路中考虑功耗问题，R6取10 K，R8取10M，K= -R8/R6=-100，R7=1M为限流保护电阻，为使电路更简便去掉了起稳定作用的CF。1图像采集目前图像采集主要采用专用摄像机连接图

17、像采集卡或者直接连接便携式笔记本进行实时图像采集，将模拟信号转换为数字信号。2图像处理需对采集的图像进行增强、恢复、变换等处理，目的是突出车牌的主要特征，以便更好地提取车牌区域。3车牌定位从人眼视觉的角度出发，并根据车牌的字符目标区域的特点，在二值化图像的基础上提取相应的特征，寻找最符合牌照特征的区域。车牌定位是车辆牌照自动识别系统中的关键和难点，实际图像中的噪声、复杂的背景等干扰都会使定位十分困难。4字符分割是从获得的牌照区域分割出单个字符(包括汉字、字母和数字)以便于进行字符识别的过程。考虑到车牌上的字符一般除了一个汉字外其他的都是字母，即在理想状态下每个字符是全连通的且互不相连，因此可以

18、使用特定的方法进行字符切分。5字符识别是使分割得到的字符进一步转化为文本并存入数据库或者直接显示出来的过程。三，图像处理图像预处理包括对动态采集到的图像进行灰度化、二值化、边界增强、滤波等处理，以克服图像干扰，改善识别效果。车牌图像信息的采集、输入过程中由于受到自然环境的影响，如光照(白天、黑夜)、天气(阴、雨、雾、雪、晴)，还有季节、运动失真及模糊等因素，总会使所获取的图像质量下降，给后面的车牌图像定位、字符分割和字符识别带来很大的困难。因此需要对车牌初始图像进行必要的预处理，提高图像质量并突出我们所需要的信息，从而有利于进行各种后续的处理。图像预处理是相对于图像分析、图像识别、图像理解而言

19、的一种对图像前期的处理，也可以看作是对初始采集图像的增强。图像增强的目的就是采用一系列技术，改善图像的效果或将图像进行适当的变换以突出某些有用的信息，去除或消弱无用的信息，如改变图像的对比度、去除噪声或强调边缘等，从而改进特征抽取、匹配和识别的可靠性。1,图像灰度化与二值化functiond=main(jpg)I=imread(F:3.png);figure(1),imshow(I);title(原图);I1=rgb2gray(I); %将真彩色图像转换为灰度图像figure(2),subplot(1,2,1),imshow(I1);title(灰度图);figure(2),subplot(1

20、,2,2),imhist(I1);title(灰度图直方图);2，边缘检测和边缘腐蚀I2=edge(I1,robert,0.08,both); %高斯滤波器,方差为0.08figure(3),imshow(I2);title(robert算子边缘检测)se=1;1;1;I3=imerode(I2,se); %图像的腐蚀figure(4),imshow(I3);title(腐蚀后图像);se=strel(rectangle,40,40); %构造结构元素，以长方形构造一个seI4=imclose(I3,se); %对图像实现闭运算，闭运算也能平滑图像的轮廓，但与开运算相反，它一般融合窄的缺口和细

21、长的弯口，去掉小洞，填补轮廓上的缝隙。figure(5),imshow(I4);title(平滑图像的轮廓);I5=bwareaopen(I4,2000);%从二进制图像中移除所有少于p像素的连接的组件（对象），产生另一个二进制图像figure(6),imshow(I5);title(从对象中移除小对象);四，车牌定位与均值滤波y,x,z=size(I5); %返回I5各维的尺寸，并存储在变量y、x、z中myI=double(I5); %换成双精度数值 %begin横向扫描tic %计算tic与toc之间程序的运行时间 Blue_y=zeros(y,1); %产生y*1的全0矩阵 for i=

22、1:y for j=1:x if(myI(i,j,1)=1) %如果myI(i,j,1)即myI图像中坐标为(i,j)的点为蓝色 %则Blue_y的相应行的元素white_y(i,1)值加1 Blue_y(i,1)= Blue_y(i,1)+1;%蓝色像素点统计 end end endtemp MaxY=max(Blue_y);%temp为向量white_y的元素中的最大值，MaxY为该值的索引（ 在向量中的位置）PY1=MaxY; while (Blue_y(PY1,1)=120)&(PY11) PY1=PY1-1;end PY2=MaxY; while (Blue_y(PY2,1)=40)

23、&(PY2y) PY2=PY2+1;end IY=I(PY1:PY2,:,:);%IY为原始图像I中截取的纵坐标在PY1：PY2之间的部分%end横向扫描%begin纵向扫描 Blue_x=zeros(1,x);%进一步确定x方向的车牌区域for j=1:x for i=PY1:PY2 if(myI(i,j,1)=1) Blue_x(1,j)= Blue_x(1,j)+1; end end end PX1=1; while (Blue_x(1,PX1)3)&(PX1x) PX1=PX1+1; end PX2=x; while (Blue_x(1,PX2)PX1) PX2=PX2-1; end

24、%end纵向扫描PX1=PX1-2;%对车牌区域的校正PX2=PX2+2;dw=I(PY1:PY2,:,:); t=toc; figure(7),subplot(1,2,1),imshow(IY),title(行方向合理区域);figure(7),subplot(1,2,2),imshow(dw),title(定位剪切后的彩色车牌图像)imwrite(dw,dw.jpg);%将图像数据写入到图像文件中filename,filepath=uigetfile(dw.jpg,输入一个定位裁剪后的车牌图像)jpg=strcat(filepath,filename); %将数组filepath,file

25、name水平地连接成单个字符串，并保存于变量jpg中a=imread(dw.jpg); %读取图片文件中的数据b=rgb2gray(a); %将真彩色图像转换为灰度图像imwrite(b,1.车牌灰度图像.jpg); %将图像数据写入到图像文件中figure(8);subplot(3,2,1),imshow(b),title(1.车牌灰度图像)g_max=double(max(max(b); %换成双精度数值g_min=double(min(min(b); %换成双精度数值T=round(g_max-(g_max-g_min)/3); % T 为二值化的阈值m,n=size(b); %返回矩阵

26、b的尺寸信息， 并存储在m、n中。其中m中存储的是行数，n中存储的是列数。 d=(double(b)=T); % d:二值图像imwrite(d,2.车牌二值图像.jpg); %将图像数据写入到图像文件中figure(8);subplot(3,2,2),imshow(d),title(2.车牌二值图像)figure(8),subplot(3,2,3),imshow(d),title(3.均值滤波前)%滤波h=fspecial(average,3);%建立预定义的滤波算子，average指定算子的类型，3为相应的参数d=im2bw(round(filter2(h,d);%转换为二值图像imwri

27、te(d,4.均值滤波后.jpg);%将图像数据写入到图像文件中figure(8),subplot(3,2,4),imshow(d),title(4.均值滤波后)五，字符切割与识别d=qiege(d); %切割m,n=size(d); %返回矩阵b的尺寸信息， 并存储在m、n中。其中m中存储的是行数，n中存储的是列数figure,subplot(2,1,1),imshow(d),title(n)k1=1;k2=1;s=sum(d);j=1;while j=n while s(j)=0 j=j+1; end k1=j; while s(j)=0 & j=round(n/6.5) val,num=

28、min(sum(d(:,k1+5:k2-5); d(:,k1+num+5)=0; % 分割 endend% 再切割d=qiege(d);% 切割出 7 个字符y1=10;y2=0.25;flag=0;word1=;while flag=0 m,n=size(d); left=1;wide=0; while sum(d(:,wide+1)=0 wide=wide+1; end if widey2 flag=1;word1=temp; % WORD 1 end d(:,1:wide)=0;d=qiege(d); endend% 分割出第二个字符word2,d=getword(d);% 分割出第三个

29、字符word3,d=getword(d);% 分割出第四个字符word4,d=getword(d);% 分割出第五个字符word5,d=getword(d);% 分割出第六个字符word6,d=getword(d);% 分割出第七个字符word7,d=getword(d);figure(9),imshow(word1),title(1); figure(10),imshow(word2),title(2); figure(11),imshow(word3),title(3); figure(12),imshow(word4),title(4); figure(13),imshow(word5)

30、,title(5); figure(14),imshow(word6),title(6); figure(15),imshow(word7),title(7); m,n=size(word1); %返回矩阵b的尺寸信息， 并存储在m、n中。其中m中存储的是行数，n中存储的是列数word1=imresize(word1,40 20);% 商用系统程序中归一化大小为 40*20,此处演示word2=imresize(word2,40 20); %对图像做缩放处理，高40，宽20word3=imresize(word3,40 20);word4=imresize(word4,40 20);word5

31、=imresize(word5,40 20);word6=imresize(word6,40 20);word7=imresize(word7,40 20);figure(16),subplot(3,7,8),imshow(word1),title(1);subplot(3,7,9),imshow(word2),title(2);subplot(3,7,10),imshow(word3),title(3);subplot(3,7,11),imshow(word4),title(4);subplot(3,7,12),imshow(word5),title(5);subplot(3,7,13),i

32、mshow(word6),title(6);subplot(3,7,14),imshow(word7),title(7);imwrite(word1,1.jpg);imwrite(word2,2.jpg);imwrite(word3,3.jpg);imwrite(word4,4.jpg);imwrite(word5,5.jpg);imwrite(word6,6.jpg);imwrite(word7,7.jpg); liccode=char(0:9 A:Z 苏豫陕鲁); %建立自动识别字符代码表，将t0:9 A:Z 苏豫陕鲁多个字符串组成一个字符数组，每行对应一个字符串，字符数不足的自动补空格S

33、ubBw2=zeros(40,20); %产生40*20的全0矩阵l=1;for I=1:7 ii=int2str(I); %转换为串 t=imread(ii,.jpg); %读取图片文件中的数据 SegBw2=imresize(t,40 20,nearest); %对图像做缩放处理，高40，宽20，nearest： 这个参数,是默认的， 即改变图像尺寸时采用最近邻插值算法 if l=1 %第一位汉字识别 kmin=37; kmax=40; elseif l=2 %第二位 AZ 字母识别 kmin=11; kmax=36; else l=3 %第三位以后是字母或数字识别 kmin=1; kma

34、x=36; end for k2=kmin:kmax fname=strcat(文符模板,liccode(k2),.jpg); %把一个行向量转化成字符串 SamBw2 = imread(fname); %读取图片文件中的数据 for i=1:40 for j=1:20 SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j); end end % 以上相当于两幅图相减得到第三幅图 Dmax=0; for k1=1:40 for l1=1:20 if ( SubBw2(k1,l1) 0 | SubBw2(k1,l1) 0 ) Dmax=Dmax+1; end end end Er

35、ror(k2)=Dmax; end Error1=Error(kmin:kmax); MinError=min(Error1); findc=find(Error1=MinError); l=l+1;endfigure(17),subplot(3,1,2),imshow(dw),title (车牌号码：京A 82806);%子程序：（getword子程序）function word,result=getword(d)word=;flag=0;y1=8;y2=0.5; while flag=0 m,n=size(d); wide=0; while sum(d(:,wide+1)=0 & wide

36、=n-2 wide=wide+1; end temp=qiege(imcrop(d,1 1 wide m); m1,n1=size(temp); if widey2 d(:,1:wide)=0; if sum(sum(d)=0 d=qiege(d); % 切割出最小范围 else word=;flag=1; end else word=qiege(imcrop(d,1 1 wide m); d(:,1:wide)=0; if sum(sum(d)=0; d=qiege(d);flag=1; else d=; end end end result=d; % （qiege子程序）function

37、e=qiege(d)m,n=size(d);top=1;bottom=m;left=1;right=n; % initwhile sum(d(top,:)=0 & top1 bottom=bottom-1;endwhile sum(d(:,left)=0 & left=1right=right-1;enddd=right-left;hh=bottom-top;e=imcrop(d,left top dd hh); %返回图像的一个裁剪区域close all;clear all;%归一化训练样本%I0=pretreatment(imread(0.jpg);I1=pretreatment(imre

38、ad(1.jpg);I2=pretreatment(imread(2.jpg);I3=pretreatment(imread(3.jpg);I4=pretreatment(imread(4.jpg);I5=pretreatment(imread(5.jpg);I6=pretreatment(imread(6.jpg);I7=pretreatment(imread(7.jpg);I8=pretreatment(imread(8.jpg);I9=pretreatment(imread(9.jpg);I10=pretreatment(imread(A.jpg);I11=pretreatment(im

39、read(C.jpg);I12=pretreatment(imread(G.jpg);I13=pretreatment(imread(L.jpg);I14=pretreatment(imread(M.jpg);I15=pretreatment(imread(R.jpg);I16=pretreatment(imread(H.jpg);I17=pretreatment(imread(N.jpg);P=I0,I1,I2,I3,I4,I5,I6,I7,I8,I9,I10,I11,I12,I13,I14,I15,I16,I17;%输出样本%T=eye(18,18);%bp神经网络参数设置net=newff(min